Rangkuman Berita Mingguan PharmTech — Minggu tanggal 17 November 2025

Dalam fitur video PharmTech ini, kami menyoroti berita industri minggu ini dalam format yang mudah dikonsumsi dan menyenangkan. Kumpulan baru akan dirilis setiap hari Jumat, jadi pastikan untuk kembali setiap minggunya.

Secara kolektif, liputan minggu ini membahas perkembangan terkini industri farmasi dan lanskap peraturan saat ini. Baca terus untuk rekap setiap cerita yang telah kami bahas.

Bagaimana pemanfaatan AI/ML dapat mengurangi risiko pengembangan obat?

Alat kecerdasan buatan (AI) dan pembelajaran mesin (ML) menawarkan pendekatan yang sangat hemat materi untuk mempercepat pengembangan obat tahap awal, secara signifikan mengurangi waktu, biaya, dan risiko untuk entitas kimia baru yang sulit larut. Ini dalam-silico alat membantu dalam memilih teknologi dan formulasi terbaik untuk molekul kompleks, seperti protacs.

Bagaimana dinamika molekuler dan perhitungan kuantum mempengaruhi pengambilan keputusan?

Menerapkan sebuah dalam-silico kerangka menggunakan perhitungan mekanika kuantum dan simulasi dinamika molekul mempercepat pengambilan keputusan dengan memperkirakan eksipien yang sesuai dan pemuatan obat yang optimal. Metode ini memberikan wawasan tingkat molekuler mengenai interaksi obat-polimer, mempersempit ruang desain formulasi dan menghindari eksperimen ekstensif.

Mengapa peralihan ke desain rasional mendorong efisiensi?

Industri adalah menjauh dari trial-and-error ekstensif menuju desain rasional, yang menggunakan model konseptual dan mekanistik untuk membentuk hipotesis terfokus untuk eksperimen yang ditargetkan. Pendekatan yang mengutamakan efisiensi ini menghasilkan tenggat waktu yang lebih cepat, pengurangan pengeluaran sumber daya, dan pada akhirnya hasil produk yang lebih optimal dalam pengembangan formulasi.

Seperti apa lanskap eksipien di era digital?

Inovasi eksipien sangat penting untuk memenuhi tuntutan pengembangan obat saat ini, terutama untuk mengoptimalkan bioavailabilitas dosis padat oral dan memungkinkan bentuk lanjutan seperti tablet cetak 3D. Digitalisasi dan AI/ML mengubah pemilihan eksipien dengan menggunakan dalam-silico pemodelan untuk mempercepat strategi khusus, seperti pengembangan dispersi padat amorf.

Bagaimana kemajuan terapeutik dan analitis membantu pengujian zat obat berkembang?

Modalitas terapeutik yang lebih baru, termasuk terapi sel/gen, peptida, dan oligonukleotida, memerlukan penekanan yang lebih besar pada pengujian biologis canggih untuk menilai potensi, kemanjuran, dan keamanan. Selain itu, integritas data, karakterisasi pengotor, dan persyaratan stabilitas yang terus berkembang tetap menjadi area fokus peraturan utama, yang mendorong penerapan teknologi analitik canggih seperti spektrometri massa.

Apakah biofarmasi siap untuk tinjauan cepat CNPV?

Program regulasi yang sangat dipercepat, seperti uji coba Voucher Prioritas Nasional (CNPV) Komisaris FDA (peninjauan selama 1–2 bulan), mengamanatkan peralihan dari aktivitas peluncuran berurutan ke model eksekusi paralel, yang memerlukan tim kualitas, regulasi, dan komersial untuk beroperasi secara bersamaan. Sistem manufaktur dan kualitas harus mencapai pra-pengajuan yang hampir sempurna, karena jendela tinjauan yang padat tidak memberikan waktu untuk menyelesaikan kesenjangan kepatuhan.

Bagaimana seharusnya CDMO menangani audit dan inspeksi?

Perusahaan sponsor memegang tanggung jawab utama untuk memastikan bahwa setiap organisasi pengembangan dan manufaktur kontrak (CDMO) mengikuti praktik manufaktur yang baik. CDMO harus secara proaktif mempersiapkan inspeksi otoritas regulasi (yang mencakup enam sistem) dan audit klien dengan mempertahankan sistem kualitas yang kuat yang mencakup tindakan perbaikan dan pencegahan, investigasi, dan penyimpangan.

FAQ: Aplikasi Utama AI dalam Pengembangan Obat

1. Bagaimana model komputasi dan AI/ML dimanfaatkan dalam pengembangan formulasi tahap awal?

Hingga 90% kandidat obat sedang dalam pengembangan sulit larut, berpose signifikan risiko terhadap keberhasilan komersial. Untuk mengurangi hal ini, kecerdasan buatan (AI) dan pembelajaran mesin (ML) digunakan dalam silikon untuk mempercepat pengembangan fase awal dengan memprediksi teknologi pelarutan yang optimal, seperti formulasi dispersi padat amorf.

Model lanjutan, termasuk simulasi dinamika molekul dan perhitungan mekanika kuantum, menganalisis deskriptor molekuler (seperti model muatan permukaan energi potensial dan donor/akseptor ikatan hidrogen) untuk mengkarakterisasi interaksi obat-eksipien dan memprediksi pemuatan obat maksimum yang layak. Sistematis ini dalam-silico Kerangka kerja ini memandu pemilihan eksipien, meminimalkan konsumsi API, dan mengurangi ketergantungan pada uji coba empiris, sehingga menghemat waktu dan sumber daya.

2. Bagaimana mekanisme digital twins yang didukung AI untuk mempercepat evaluasi praklinis?

Penelitian dan pengembangan farmasi menghadapi kendala karena tingginya biaya dan rendahnya kemampuan penerjemahan model praklinis konvensional. Si kembar digital—simulasi komputer dari sistem fisik—dilatih menggunakan data multi-modal berskala besar yang dikumpulkan bekas hidup sistem perfusi paru-paru, yang menyediakan data “bersih”. pada organ manusia yang terisolasi. Model-model ini, yang menggabungkan data fisiologi, biokimia, dan transkriptomik, telah mencapai akurasi lebih dari 90% dalam memperkirakan fungsi paru-paru.

Inovasi ini menciptakan sistem kontrol digital yang dipersonalisasi untuk setiap organ yang dirawat dengan menghasilkan hasil kontrafaktual (efek yang tidak diobati). Kemampuan ini memungkinkan peneliti untuk melakukan analisis statistik berpasangan, memungkinkan perbandingan langsung antara pengobatan yang diamati dan hasil yang dihasilkan kembar digital dalam organ yang sama. Metode ini telah mengungkapkan efek terapeutik yang terlewatkan oleh penelitian dua kelompok tradisional dan dirancang untuk mempercepat penemuan obat dengan mengurangi ukuran penelitian yang diperlukan.

3. Bagaimana AI mengubah alur kerja bioanalitis dan manufaktur?

AI, ML, dan model bahasa besar (LLM) sedang meningkatkan bioanalisis dengan meningkatkan kualitas, efisiensi, kepatuhan, dan mengurangi kesalahan manusia. Aplikasi yang divalidasi awal mencakup otomatisasi penulisan laporan dan pemeriksaan kendali mutu yang mengintegrasikan data dari buku catatan laboratorium elektronik dan sistem manajemen informasi laboratorium untuk mengidentifikasi tren kegagalan sejak dini. LLM mengotomatiskan pembuatan protokol penelitian, laporan validasi, dan dapat menyusun bagian bioanalitik dari dokumen teknis umum elektronik. AI juga mengoptimalkan pengembangan metode pengujian, termasuk pengikatan ligan dan kromatografi cair yang dipadukan dengan spektrometri massa, dengan memprediksi kondisi optimal dan melakukan deteksi puncak cerdas. Otoritas kesehatan juga menggunakan AI untuk menganalisis data yang dikirimkan dalam pengajuan dan selama inspeksi di tempat.

Di bidang manufaktur, AI diharapkan dapat melakukan hal tersebut merevolusi hasil proses—termasuk hasil, tingkat perolehan pertama yang tepat, dan kecepatan transfer teknologi—dengan mempercepat karakterisasi proses melalui identifikasi pola di seluruh kumpulan data yang besar. Kemampuan ini sangat penting untuk modalitas dengan variabilitas tinggi seperti terapi sel dan gen.

4. Apa saja hambatan utama dalam penerapan AI secara lebih luas di industri farmasi?

Hambatan yang paling besar untuk implementasi AI adalah prasyarat untuk digitalisasi dan kurangnya data berkualitas tinggi. Banyak organisasi tidak menyadari betapa berbeda atau tersebarnya sistem lama mereka hingga penerapannya dimulai, sehingga memerlukan upaya awal yang signifikan untuk konsolidasi dan pembersihan data (kebersihan data). Kendala organisasi, seperti strategi AI yang terfragmentasi dan silo internal, semakin menghambat penerapannya secara lebih luas.

Panduan peraturan berkembang pesat dan berpusat pada pendekatan penilaian risiko yang mengevaluasi bagaimana perilaku model AI berdampak pada kualitas, keamanan, dan efisiensi produk akhir obat bagi pasien. Untuk bioanalisis yang diatur, pengendalian harus ada untuk mencegah risiko halusinasi (pembuatan data tidak disediakan), sehingga memerlukan jalur audit untuk memastikan kepatuhan.

Panel Pakar Industri Menimbang Manfaat, Risiko, dan Kesiapan CNPV: Bagian I

Catatan Editor: Pendapat yang dikemukakan di sini tidak mencerminkan pendapat perusahaan/perusahaan tempat pembicara bekerja.
Memeriksa cakupan tambahan dan perspektif pakar industri dalam “Wadah Peraturan: Risiko, Pengurasan Sumber Daya, dan Pengorbanan Tersembunyi dari Program Percontohan CNPV” Dan “Siap atau Tidak: Penyelarasan Biopharma untuk Tinjauan Cepat CNPV.”

Dan lihat “Bagaimana Voucher Prioritas Nasional Komisaris FDA Membentuk Kembali Manufaktur, Penetapan Harga & Strategi Global,” serta “Pemenang & Pecundang: Apa yang Diceritakan oleh Voucher Prioritas Nasional Komisaris FDA Pertama Tentang Penggerak Awal vs. Penggerak Terlambat” dari kolega kami di Pharmaceutical Executive.

Pada pertengahan November 2025, Grup Teknologi Farmasi mengadakan diskusi dengan lima pakar industri bio/farmasi untuk lebih memahami dampak—baik yang diketahui maupun yang potensial—dari program percontohan Voucher Prioritas Nasional (CNPV) Komisioner FDA (1). Program ini menawarkan “peluang yang belum pernah terjadi sebelumnya untuk mengurangi waktu peninjauan aplikasi obat dan produk biologis atau suplemen khasiat dari 10-12 bulan menjadi hanya 1-2 bulan” (2,3). Meskipun Komisaris FDA Marty Makary, MD, MPH, menyebut CNPV sebagai “pendekatan yang masuk akal” yang memanfaatkan diskusi “gaya dewan tumor” untuk memberikan “lebih banyak penyembuhan dan perawatan yang bermakna bagi masyarakat Amerika” (3), para ahli di bidang kesehatan masyarakat dan kebijakan peraturan (1,4-6), memperingatkan bahwa percepatan ini mungkin mengorbankan standar keselamatan dan tanggung jawab fiskal yang ditetapkan. Berikut ini adalah rekap dari paruh pertama diskusi, yang dimoderatori oleh Eric Langer, presiden dan mitra pengelola, BioPlan Associates. Cari Part II yang dijadwalkan diposting pada Senin 24 November.

Langer: Bagaimana perusahaan mengubah pedoman internal mereka untuk memastikan keselarasan akses pasar, manufaktur, rantai pasokan, pelabelan, harga, dan kesiapan pasca-persetujuan?

Aloka Srinivasan, prinsipal dan mitra pengelola di Raaha LLC: Saya telah membantu salah satu pemenang voucher dengan aplikasi dan dokumen mereka, dan sekarang mempersiapkan mereka untuk proyek tersebut. Hal yang paling penting bagi obat generik dan biosimilar yang dipilih untuk menerima voucher adalah perencanaan yang matang… Tinjauan dalam program ini akan dilakukan secara bergilir dengan peningkatan interaksi antara sponsor dan tim peninjau. Ini adalah perubahan paradigma, khususnya untuk obat generik, yang memerlukan pemahaman lebih baik.

Perhatikan bahwa FDA mengharapkan informasi dan pelabelan kimia, manufaktur, dan kontrol (CMC) akan diberikan setidaknya 60 hari sebelum penyerahan resmi. Oleh karena itu, dalam kasus beberapa produk generik, informasi CMC dapat diberikan beberapa bulan sebelumnya, dan bioekivalensi mungkin merupakan satu-satunya permasalahan utama yang perlu diatasi setelah pengajuan resmi, dan untuk produk suntik tertentu, hal tersebut mungkin tidak diperlukan. Pada akhirnya, tinjauan ini akan menyerupai “persetujuan siklus pertama,” satu-satunya perbedaan adalah bahwa Badan tersebut bekerja sama dengan sponsor untuk menyelesaikan semua masalah jauh sebelum pengajuan sebenarnya diajukan.

Oleh karena itu, pengurangan waktu peninjauan formal tidak berarti bahwa pengembangan produk, persiapan pemasaran, atau perencanaan pasca-persetujuan juga harus dipersingkat secara proporsional. Sebaliknya, sponsor perlu memajukan akses pasar, penetapan harga, dan kegiatan kesiapan pasca-persetujuan secara paralel, mungkin dimulai dengan pertemuan pertama dengan FDA mengenai persyaratan permohonan dan jadwal pengajuan yang masuk akal, sambil tetap menjaga komunikasi berkelanjutan dengan tim peninjau FDA mengenai kemajuan proyek.

Metin Çelik, PhD, presiden, Pharmaceutical Technologies International, Inc (PTI): Strategi akses pasar, skenario penetapan harga, model penelitian ekonomi kesehatan dan hasil, serta keterlibatan pembayar harus dimulai pada tahap pengembangan klinis akhir—bukan setelah pengajuan. Strategi pelabelan dan posisi kompetitif memerlukan penyelarasan awal, karena peluang untuk dialog berulang dengan FDA menjadi terbatas. Kesiapan manufaktur dan rantai pasokan (transfer teknologi, kualifikasi kinerja proses, strategi pengendalian, sumber domestik/ganda, ketahanan sistem mutu) pada dasarnya harus lengkap pada saat penyerahan. Tim perlu beroperasi melalui “ruang perang” kesiapan terintegrasi dengan tinjauan lintas fungsi mingguan di seluruh CMC, peraturan, keselamatan, medis, komersial, dan rantai pasokan.
Dalam lingkungan ini, persiapan inspeksi proaktif menjadi misi penting. Di sinilah sistem seperti PAIex (Sistem Pakar Inspeksi Pra-Persetujuan) saya menjadi sangat berharga, karena menyediakan penilaian risiko terstruktur, kerangka dokumentasi, dan analisis kesiapan prediktif yang selaras dengan harapan FDA. Dengan potensi peninjauan selama 30–60 hari, tidak ada waktu untuk memperbaiki kesenjangan kepatuhan setelah file diserahkan.

Langer: Apa implikasi regulasi/risiko dari jadwal peninjauan yang padat?

Srinivasan: Sebagian besar obat yang menerima voucher tampaknya merupakan obat generik. Saya tidak mengetahui produk tersebut pernah menerima voucher di masa lalu. Namun, FDA memiliki banyak pengalaman dalam melakukan tinjauan yang dipercepat untuk sejumlah entitas kimia baru yang menerima voucher. Reorganisasi divisi peninjauan baru-baru ini dirancang untuk memastikan bahwa tim ahli memiliki pengalaman mendalam yang diperlukan untuk memenuhi jadwal peninjauan yang dipercepat, tidak peduli apakah itu untuk obat generik, biosimilar, atau biologis.

Seperti disebutkan, banyak produk yang diberikan voucher sudah bersifat generik, dan jika Anda membaca program ini dengan cermat, Anda akan melihat bahwa perusahaan yang telah menerima voucher dapat bergerak dengan kecepatannya sendiri. Tujuan dari voucher ini adalah untuk memberi insentif pada produksi obat-obatan penting tertentu di dalam negeri tanpa mengambil jalan pintas terkait pengembangan atau kualitas produk. FDA mendukung manufaktur dalam negeri dengan memberikan sponsor kesempatan yang lebih baik untuk berkomunikasi sebelum pengajuan “resmi” dan dengan demikian mengurangi waktu persetujuan secara signifikan untuk produk tersebut.

Yang dibutuhkan sponsor adalah perubahan pola pikir untuk memanfaatkan dukungan ini. Mereka harus memperlakukan interaksi pra-pengajuan ini sebagai “permintaan informasi” atau pertanyaan “khusus disiplin ilmu”, yang biasa mereka terima setelah penyerahan berkas, dan seiring kemajuan pengembangan produk dan proses, menyesuaikan ekspektasi untuk jangka waktu komersial sesuai dengan posisi mereka dalam jangka waktu penyerahan. Dalam kasus ini, kita perlu ingat bahwa pada saat permohonan obat baru (NDA), permohonan lisensi biologi, disingkat NDA, atau suplemen terkait diserahkan, baik sponsor maupun Badan seharusnya sudah menyelesaikan risiko-risiko utama, sehingga persetujuan sebagian besar hanya sekedar formalitas.

Henrik Johanning, wakil presiden senior, Kualitas & Strategi, Epista Life Science: Dari perspektif risiko dan kepatuhan, jadwal yang padat memperkuat setiap kelemahan dalam kerangka manajemen risiko kualitas (QRM) perusahaan. Dengan lebih sedikit waktu untuk melakukan tinjauan berulang dan verifikasi data, risiko dapat dengan mudah berpindah ke hilir, ke dalam rantai pasokan, pelabelan, atau pengawasan pasca-pasar. Organisasi yang paling siap menggunakan QRM tidak hanya sebagai alat kepatuhan, namun juga sebagai kompas pengambilan keputusan, mengidentifikasi aktivitas mana yang penting bagi kualitas produk dan keselamatan pasien dan aktivitas mana yang dapat dipercepat atau ditunda dengan aman.

Dalam sejarah terkini, kami melihat dinamika serupa selama otorisasi COVID yang cepat: kecepatan dapat dicapai, namun hanya jika sistem kualitas, validasi digital, dan disiplin dokumentasi dibangun untuk disesuaikan dengan hal tersebut. Perusahaan yang berinvestasi sejak awal pada kemampuan ini memasuki pasar dengan lebih cepat dan aman.

Baja: Tinjauan yang ringkas menggeser lanskap risiko… Ada lebih banyak ketergantungan pada komitmen pasca-pasar, termasuk studi keselamatan, pencatatan, atau evaluasi risiko dan penyesuaian strategi mitigasi, karena ketidakpastian tidak dapat diselesaikan dalam tinjauan singkat. Ada juga paparan operasional yang lebih besar seputar peningkatan skala, ketahanan proses, dan keandalan pasokan, terutama untuk produk biologis atau kelas GLP-1. Perusahaan memitigasi risiko ini dengan:

  1. Berinvestasi sejak dini pada kekuatan CMC dan ketahanan rantai pasokan.
  2. Mempersiapkan proposal studi pasca-persetujuan terlebih dahulu untuk menyelaraskan harapan.
  3. Menggunakan alat digital, pemodelan, AI, dan sistem kesiapan inspeksi terstruktur, seperti PAIex, untuk mengantisipasi dan menutup kesenjangan sebelum pengajuan.

Referensi

  1. FDA. Program Percontohan Voucher Prioritas Nasional Komisaris (CNPV).. Diakses 18 November 2025.
  2. Dorsey, D; Belanda, S. Kisah Tiga Voucher. BHFS.com. 29 September 2025.
  3. FDA. Program Percontohan Voucher Prioritas Nasional Komisaris (CNPV).. Diakses 18 November 2025.
  4. Dokter untuk Amerika. Voucher Prioritas Nasional Komisaris FDA Akan Membahayakan Orang Amerika. Siaran Pers. 20 Juni 2025.
  5. Eglovitchm, J. Masih Ada Pertanyaan Saat FDA Membuka Pengajuan untuk Program Voucher Prioritas Baru. RAPS.org. 24 Juli 2025.
  6. Emond, S; Ollendorf, D. Bagaimana Membuat Satu Baris dalam Program Tinjauan Obat Baru Komisaris FDA Menjadi Kekuatan untuk Akses Terjangkau bagi Pasien. Kesehatan Aff Sch. 2025;3(10):qxaf182.
  7. FDA. FDA Memberikan Voucher Prioritas Nasional Gelombang Kedua. Siaran Pers. 6 November 2025.

Ready or Not: Biopharma Alignment for CNPV’s Rapid Review

Editor’s Note:
Check out additional coverage and industry expert perspectives in “The Regulatory Crucible: Risk, Resource Drain, and the Hidden Trade-Offs of the CNPV Pilot Program.”

And check out “How the FDA Commissioner’s National Priority Vouchers Reshape Manufacturing, Pricing & Global Strategy,” as well as “Winners & Losers: What the First FDA Commissioner’s National Priority Vouchers Tell Us About Early Movers vs. Late Movers” from our colleagues over at Pharmaceutical Executive.

The FDA Commissioner’s National Priority Voucher (CNPV) pilot program represents a tectonic shift in the expectations placed upon biopharmaceutical sponsors seeking market entry (1). The program, which utilizes a “collaborative tumor board style review process” and a “multidisciplinary team-based evaluation,” offers the benefit of reducing application review times from the traditional 8-12 months to “just 1-2 months” following submission (1,2). As Commissioner Marty Makary, MD, MPH, stated, the process is intended to use a “common-sense approach… so that we can reduce inefficiencies” and harness a “tumor board style” discussion to deliver “timely decisions for drug developers” (2). However, this unprecedented acceleration mandates that companies must entirely dismantle the traditional sequential launch model and replace it with a demanding framework of pre-submission completion and parallel cross-functional execution, according to industry experts we spoke with.

Does the CNPV program require a shift to a parallel execution model?

The most critical realization for CNPV applicants is that the compressed timeline eliminates the luxury of sequential product launch activities. In a PharmTech Group interview, Henrik Johanning, senior vice president, Quality & Strategy, Epista Life Science, summarizes this radical necessity, stating “When review windows shrink from 10-12 months to as little as 1-2 months, the entire model for launch readiness changes.” He stresses that “the traditional sequential approach, in which regulatory, chemistry, manufacturing, and controls (CMC), labeling, and market access teams work in turn, no longer works.”

To succeed under this accelerated timeline, Johanning says companies need to “shift to a parallel execution model, in which quality, regulatory, and commercial readiness progress in lockstep.” This shift, he notes, “demands mature governance and disciplined cross-functional coordination long before submission.” Metin Çelik, PhD, president, Pharmaceutical Technologies International, Inc (PTI), reiterates this point in a PharmTech Group interview, stating unequivocally that when the regulatory clock compresses, companies “must fundamentally shift key launch-readiness activities to the pre-submission stage.”

This necessity entails a high degree of integration across internal departments, Çelik adds, which should operate through “integrated readiness ‘war rooms’ with weekly cross-functional reviews across CMC, regulatory, safety, medical, commercial, and supply chain.” The ultimate determinant of success in this accelerated environment, according to Johanning, is not the voucher itself, but “how companies structure their internal control and decision-making models to make compressed reviews sustainable.”

Why is pre-submission perfection in CMC and quality systems so critical?

The cornerstone of the CNPV’s speed is the mandatory pre-submission requirement: participants must submit the CMC portion of their application (or efficacy supplement (ES)) and their proposed labeling “at least 60 days before submitting their complete application/ES” (1,2). This front-loading of technical information means that manufacturing and quality robustness must be near perfection at the time of filing.

Çelik clarifies that manufacturing and supply chain readiness, encompassing “tech transfer, process performance qualification, control strategy, domestic/dual sourcing, quality system robustness, …must be essentially complete at submission.” The penalty for non-compliance, he adds, is severe given the time constraint, “with a potential 30-60-day review, there is no time to fix compliance gaps once the file is submitted.” Johanning adds that compressed timelines “amplify every weakness in a company’s quality risk management (QRM) framework.” Therefore, he continues, the most prepared organizations “use QRM not only as a compliance tool, but as a decision-making compass.”

Companies must mitigate these risks proactively. Çelik recommends that they “invest early in CMC strength and supply chain resilience” and utilize systems for “structured risk assessments, documentation frameworks, and predictive readiness analytics aligned with FDA expectations.” Johanning advises that sponsors “run a risk-based readiness sprint before applying.” This sprint, he says, involves critical steps like locking “CMC and control strategies, verifying tech-transfer and supply-chain qualification (ideally US-based), aligning labeling and process validation plans, and ideally rehearsing day-0 to day-30 responses,” because “the clock starts the moment you file.”

In an interview with PharmTech Group, Aloka Srinivasan, principal and managing partner at Raaha LLC—who has helped a CNPV winner with their application and paperwork and is now getting them ready for the project—reinforces that while the formal review time shrinks, it “does not imply that product development, marketing preparation, or post-approval planning must also be compressed proportionally.” Instead, the expectation is that by the time the application is submitted, “both the sponsor and the Agency should already have resolved key risks, making approval largely a formality.” For generic products, Srinivasan notes, the CMC information could be provided “many months in advance,” leaving bioequivalence as potentially “the only major remaining issue to address after the formal submission.”

The complexity also extends to external logistics, such as facility inspections. Rory Budihandojo, an independent good manufacturing practices consultant, notes in a PharmTech Group interview that it is “not clear how the FDA (alters) other activities to get the drugs to the market faster (e.g., getting the pre-approval inspection, or PAI, coordinated within that 1-2 months frame).” This uncertainty further pressures sponsors to ensure proactive inspection preparation, which Çelik calls “mission critical.”

How must commercial and pricing strategies integrate with the CNPV’s affordability mandate?

Beyond technical readiness, commercial and market access strategies must also be accelerated. Çelik insists that “market access strategy, pricing scenarios, health economics and outcomes research (HEOR) models, and payer engagement must begin during late-phase clinical development—not after filing.” Furthermore, he says, “labeling strategy and competitive positioning require early alignment because the opportunity for iterative dialogue with FDA becomes limited.” Srinivasan confirms that sponsors “will need to advance market access, pricing, and post-approval readiness activities in parallel.”

Crucially, commercial strategy must integrate one of the CNPV’s explicit criteria: Increasing affordability (1). FDA specifies that this “could include a company that lowers the U.S. price of a drug or reduces other downstream medical utilization to lower overall healthcare costs” (1,3) Makary also notes that vouchers are granted when the company has “agreed to increase affordability” (4).

Sarah Emond and Daniel Ollendorf characterized this focus on cost as a “marked and notable departure for the FDA, an agency that has been clear in the past that drug costs are not its purview or responsibility” in Health Affairs Scholar (3). They noted that the Makary’s statement included the concept of agreeing to price the drug under “Most Favored Nation” drug pricing, pointing out that this concept is “problematic because the United States is frequently where new drugs are launched first, so in most cases, there would not be any other prices to reference” (3). Instead of relying on foreign pricing mechanics, Emond and Ollendorf proposed an innovative solution: “drugs approved through the pathway should be required to be priced to value,” an approach they said ensures that “a price charged society by the drug manufacturer is tied to how much better it makes patients feel” (3).

Emond and Ollendorf explained that the use of cost-effectiveness analysis, a cornerstone of value assessment, “can summarize the costs a new drug would introduce to the system, the savings it might provide by keeping patients out of the hospital or emergency room, and how it might improve both survival and quality of life during treatment” (3). This analysis “can suggest a fair and affordable price for the benefits a drug provides, which aligns with the spirit of the Commissioner’s statement” (3). Companies seeking the CNPV must prepare to demonstrate alignment with these affordability metrics during the late stages of clinical development, long before the application is submitted, adds Çelik.

How should companies leverage enhanced communication and adjust regulatory mindsets?

A key benefit provided to CNPV participants is “enhanced communication throughout the review process” and the use of a rolling review (1). This elevated level of interaction is designed to expedite the process by proactively addressing issues.

Srinivasan characterizes this interaction as a “paradigm change, especially for generics, that needs better understanding.” She states that generic companies that “are usually not used to communicating with the Agency to the extent that do new drug sponsors, will now need to change their mindset and be ready to do so.”

Sponsors must treat these frequent pre-submission discussions strategically, Srinivasan says, advising sponsors to “shift in mindset to take advantage of this support,” treating these interactions as they would handle “information requests” or “discipline-specific” inquiries received after the submission of the dossier. For non-complex generics, this communication represents a “rare luxury as a sponsor of such products has very few ways of communicating with the Agency prior to submission,” she adds. The CNPV, says Srinivasan, guarantees “numerous opportunities to discuss the product and process with the Agency prior to submission of the dossier and the expectation is that by the time they submit the dossier, hopefully most of the issues have been resolved.”

Where does the strategic benefit of onshoring drug development lie?

A primary national priority driving the CNPV program is “onshoring drug development and manufacturing to advance the health interests of Americans and strengthen U.S. supply chain resiliency” (1,2). This priority, according to FDA, addresses the concern that “the vast majority of the active pharmaceutical ingredients and drug components in Americans’ everyday medicines are supplied from China” (2).

Johanning details the strategic goals of the onshoring criteria, explaining that the FDA is using the program “to steer advanced manufacturing, especially sterile injectables and biologics, back to the US.” The overarching objective, he says, is “to rebuild domestic pharmaceutical capacity after decades of off-shoring to Asia and Eastern Europe.” Specific aims, he continues, include reducing “strategic dependency on single-region, non-U.S. suppliers for APIs and sterile products,” safeguarding “critical manufacturing know-how,” and encouraging “modernization, using US-based continuous-manufacturing or single-use technologies.” Furthermore, according to Johanning, US-based facilities “are easier for FDA to inspect, monitor, and support during scale-up or remediation.” This effort, adds Budihandojo, also provides incentives for firms to “invest and build facilities in the US.”

Srinivasan affirms that the on-shoring benefit is “especially high for generics and biosimilars,” granting them the valuable “significant opportunities to communicate with FDA prior to their submissions.” Johanning clarifies that the focus is less about nationality and “more about where and how you produce.” Thus, foreign firms with “mature GMP systems” can qualify as “voucher-ready” if they “can demonstrate US manufacturing capacity, tech-transfer readiness, and quality oversight aligned with FDA expectations.” The CNPV offers a faster path to market for companies that execute this parallel model effectively, provided they have performed the requisite “careful planning,” concludes Srinivasan.

References

  1. FDA. Commissioner’s National Priority Voucher (CNPV) Pilot Program. Accessed Nov 18, 2025.
  2. FDA. FDA to Issue New Commissioner’s National Priority Vouchers to Companies Supporting U.S. National Interests. Press Release. June 17, 2025.
  3. Emond, S; Ollendorf, D. How to Make One Line in the FDA Commissioner’s New Drug Review Program Into a Force for Affordable Access for Patients. Health Aff Sch. 2025;3(10):qxaf182.
  4. FDA. FDA Awards Second Batch of National Priority Vouchers. Press Release. Nov 6, 2025.

Dinamika Molekuler dan Perhitungan Kuantum: Wawancara AAPS Thermo Fisher, Bagian Kedua

Sebagai bagian dari liputannya AAPS Farmasi 360 2025diadakan dari 9-12 November di San Antonio, Texas, Teknologi Farmasi® Grup berbicara dengan Sanjay KonagurthuPhD, direktur senior, Sains dan Inovasi, Thermo Fisher Scientific, tentang presentasi “Model AI/ML Menginformasikan Pengembangan Obat Tahap Awal.

Dalam kesimpulan ini dari wawancara dua bagian, Dr Konagurthu berbicara tentang pengintegrasian yang sistematis dalam-silico kerangka kerja untuk mempercepat pengambilan keputusan mengenai perumusan kelayakan dan pemuatan obat.

Dia mengatakan kerangka kerja ini memberikan wawasan tentang bentuk sediaan akhir, karena pemuatan obat dapat berdampak pada stabilitas fisik dan kimia—dan berapa banyak zat obat yang dapat terkandung dalam suatu sediaan. tablet atau kapsul.

“Pemuatan obat merupakan aspek penting dalam hal stabilitas fisik dan kimia,” kata Dr. Konagurthu. “Dengan beberapa alat pemodelan yang telah kami gunakan dan terapkan, kami tidak hanya dapat memprediksi eksipien dan polimer yang sesuai untuk disaring sebelum eksperimen apa pun, kami juga dapat memprediksi berapa banyak obat yang dapat dicapai.”

Terlalu ketat, terlalu longgar, atau pas?

Konagurthu juga membahas bagaimana simulasi dinamika molekuler dan perhitungan mekanika kuantum memberikan informasi yang kompleks analisa interaksi obat-eksipien.

“Jika obat terikat terlalu erat, obat tidak akan terlepas,” katanya. “Jika terlalu longgar, ia tidak benar-benar stabil dalam bentuk amorf. Jadi, ini adalah serangkaian perhitungan dan berbagai deskriptor yang kami tetapkan selain sifat fisik-kimia … untuk dapat melakukan perhitungan ini dan mempersempit ruang desain formulasi. Dan semua ini dilakukan dalam silikon.”

Klik di sini untuk Bagian Satu dari wawancara Dr. Konagurthu dengan PharmTech Group, di mana ia membahas bagaimana kecerdasan buatan dan pembelajaran mesin dapat membantu memecahkan dilema kelarutan yang buruk.

klik disini untuk semua cakupan AAPS PharmSci 360 kami.

Salinan

Catatan Editor: Transkrip ini adalah rendering konten audio/video asli yang sedikit diedit. Ini mungkin mengandung kesalahan, bahasa informal, atau kelalaian seperti yang diucapkan dalam rekaman aslinya.

Halo, saya Sanjay Konagurthu. Saya Direktur Senior Sains dan Inovasi di Thermo Fisher.

Saat kita melakukan hal-hal seperti perhitungan kuantum, kita melihat ruang konfirmasi. Jadi hal ini memberi kita wawasan tentang bagaimana sebuah molekul melipat dirinya sendiri. Itu memberi kita gambaran tentang luas permukaan molekul yang dapat diakses dan polimer eksipien untuk berinteraksi. Jadi itu satu bagiannya.

Dan kita melihat berbagai deskriptornya, seperti donor ikatan hidrogen klasik, akseptor, aromatik, hidrofobik. Kami melihat model muatan permukaan energi potensial. Ini seperti titik lengket suatu molekul yang pada dasarnya memberi kita wawasan tentang bagaimana suatu molekul dan eksipien atau polimer berinteraksi pada tingkat molekuler.

Dan kemudian kita melihat dinamika molekuler. Simulasi, melihat interaksi antara obat dan polimer. Jika obat terikat terlalu erat maka obat tidak akan terlepas. Jika terlalu longgar, ia tidak akan stabil dalam bentuk amorf. Jadi inilah rangkaian perhitungan dan berbagai deskriptor yang kami tetapkan selain sifat fisik-kimia, seperti yang saya sebutkan, untuk dapat melakukan perhitungan tersebut dan mempersempit ruang desain formulasi.

Dan semua ini sudah selesai dalam silikon. Oleh karena itu, kami menghemat banyak sekali percobaan dan kesalahan serta eksperimen yang tidak perlu dan mencapai tujuan dengan lebih cepat.

Pemuatan obat merupakan aspek penting dalam hal stabilitas fisik dan kimia. Dengan beberapa alat pemodelan yang telah kami gunakan dan terapkan, kami tidak hanya dapat memprediksi eksipien dan polimer yang sesuai untuk disaring sebelum eksperimen apa pun, kami juga dapat memperkirakan berapa banyak obat yang dapat dicapai.

Jadi yang dilakukan adalah, prioritas kami adalah, Anda mendapatkan gambaran tentang seperti apa bentuk sediaan akhir Anda karena pemuatan obat dapat memengaruhi stabilitas fisik dan kimia, dan berapa banyak pemuatan obat yang Anda miliki dapat memengaruhi berapa banyak obat yang Anda dapatkan dalam bentuk tablet atau kapsul. Itulah interaksi yang dapat kami peroleh berdasarkan alat pemodelan AI/ML yang telah kami terapkan di Thermo Fisher.

Peralihan dari Trial-and-Error ke Desain Rasional Mendorong Efisiensi dalam Formulasi Farmasi

*Transkrip lengkap tersedia di bawah

Dalam sebuah wawancara dengan Teknologi Farmasi® di Asosiasi Ilmuwan Farmasi Amerika (AAPS) Ilmu Farmasi 360, Nathan Bennettdirektur, Penasihat Ilmiah dan Teknis, Layanan Farmasi Catalent, membahas perubahan paradigma menuju desain rasional—sebuah metode yang didasarkan pada pemodelan konseptual dan mekanistik. Menurut Bennette, pendekatan desain rasional memberikan kejelasan dan efisiensi pada pengembangan obat baru formulasi.

Daripada menggunakan metode trial-and-error tradisional, Bennette menganjurkan pendekatan terstruktur. “Konsep desain rasional adalah menggunakan model—model konseptual dan model mekanistik—untuk mengembangkan hipotesis yang lebih terfokus dan kemudian melakukan eksperimen yang ditargetkan agar lebih efisien dalam mendapatkan solusi,” jelasnya. Pergeseran ini dimulai dengan penciptaan model konseptual untuk memahami masalah secara mendalam, diikuti dengan model mekanistik (kuantitatif atau matematis) yang mengungkapkan proses fisika dan kimia dasar yang terjadi, jelasnya.

Model semi-empiris, sering kali diwujudkan melalui simulasi komputer, catat Bennette, semakin menyempurnakan pengujian hipotesis dan optimalisasi solusi. Bennette membagikan contoh baru-baru ini di mana timnya menghadapi obat dengan penyerapan oral yang buruk. Melalui in-vitro Melalui eksperimen, tim mengisolasi langkah pembatas laju—difusi melintasi lapisan air yang tidak diaduk—dan merancang formulasi secara khusus untuk meningkatkan proses tersebut. Bennette mencatat bahwa in-vitro perbaikan berkorelasi baik dengan secara in-vivo tes.

Bagaimana model desain rasional mengubah pemecahan masalah farmasi?

Bennette yakin pola pikir yang mengutamakan efisiensi ini akan menghasilkan keuntungan industri yang nyata. “Jika Anda dapat menghasilkan hipotesis yang benar-benar terfokus dan mengerjakan pernyataan masalah tersebut, Anda akan mencapainya lebih cepat. Anda akan mencapainya dengan lebih sedikit waktu, energi, dan sumber daya, dan, pada akhirnya, saya pikir Anda akan menghasilkan produk yang lebih baik,” katanya.

Bennette menambahkan, ketika perusahaan farmasi menghadapi tekanan yang semakin besar untuk memberikan inovasi dengan cepat dan efektif, kerangka desain yang rasional menjanjikan untuk membentuk standar industri dalam pemecahan masalah dan optimalisasi formulasi.

klik disini untuk liputan konferensi lebih lanjut.

Tentang pembicara

Nathan Bennette, Direktur, Penasihat Ilmiah dan Teknis, Layanan Farmasi Catalent

Bennette adalah pakar dalam bidang penetapan strategi pengembangan dan formulasi non-parenteral untuk molekul dengan ketersediaan hayati yang buruk, termasuk pengurai protein dan molekul lain yang digambarkan sebagai “di luar aturan 5”. Beliau telah bekerja dalam pengembangan obat selama lebih dari 15 tahun dalam berbagai peran teknis dan kepemimpinan serta memiliki pengalaman luas dalam formulasi terapi molekul kecil. Bennette menerapkan hasratnya terhadap pemahaman mekanistik penghantaran obat untuk merancang sistem yang disesuaikan dengan setiap molekul dan profil produk target, memanfaatkan serangkaian teknologi oral seperti dispersi padat amorf, platform pelepasan terkontrol, formulasi nanokristalin, multipartikel, dan sistem berbasis lipid. Ia memiliki pengalaman bekerja di seluruh siklus pengembangan obat mulai dari pengembangan praklinis dan fase awal hingga studi klinis fase akhir dan komersialisasi.

Salinan

Catatan Editor: Transkrip ini adalah rendering langsung dari konten audio/video asli yang belum diedit. Ini mungkin mengandung kesalahan, bahasa informal, atau kelalaian seperti yang diucapkan dalam rekaman aslinya.

Hai, Nathan Bennette, Saya bekerja di fungsi penasihat ilmiah di solusi farmasi katalen, dan peran saya di sana adalah menjadi konsultan internal yang bekerja dengan pelanggan untuk menentukan pernyataan masalah dan mengembangkan strategi teknis untuk formulasi.

Jadi dalam pemecahan masalah tradisional dan pengembangan farmasi serta formulasi dan pengembangan proses pada khususnya, sering kali, kita secara historis telah melakukan banyak percobaan dan kesalahan, di mana Anda membentuk hipotesis, tetapi kemudian Anda menjalankan sejumlah besar eksperimen mencoba segala cara untuk mengembangkan solusi terhadap masalah tersebut. Konsep desain rasional adalah menggunakan model, model konseptual, dan model mekanistik untuk mengembangkan hipotesis yang lebih terfokus dan kemudian melakukan eksperimen yang ditargetkan untuk mendapatkan solusi yang lebih efisien.

Pertanyaannya, pada prinsipnya, seputar efisiensi. Metode eksperimen coba-coba tersebut memerlukan upaya yang sangat besar dan pada akhirnya akan menghasilkan solusi yang kuat. Namun desain eksperimen yang bersifat mekanistik, didorong oleh hipotesis, dan didorong oleh hipotesis ini memungkinkan kita menggunakan praktik terbaik dalam sains untuk membangun pemahaman kita tentang sistem dan secara lebih efisien menghasilkan solusi yang lebih optimal.

Saya memikirkannya dalam tiga lapisan. Pertama, Anda memiliki model konseptual, Anda harus membentuk gambaran di kepala Anda tentang apa yang sebenarnya terjadi dalam sistem yang Anda pelajari. Setelah Anda selesai melakukannya, Anda dapat mulai membentuk hipotesis nyata tentang apa yang mungkin salah dengan molekul Anda, misalnya, saat Anda mencoba mengembangkan formulasi Anda, semua pengembangan formulasi adalah latihan pemecahan masalah, dan penting untuk mengetahui masalah apa yang ingin Anda pecahkan. Jadi model konseptual ini memungkinkan Anda memiliki kerangka untuk membentuk hipotesis. Lalu ada level lain yang saya sebut model mekanistik. Beberapa orang menyebutnya model kuantitatif, model matematika. Ini adalah fisika dasar yang mendasari situasi fisik molekul obat Anda dan pertanyaan yang ingin Anda jawab mungkin dari perspektif penyerapan atau dari perspektif stabilitas. Jadi, setelah Anda memiliki model mekanistik kuantitatif, Anda dapat mulai membentuk hipotesis yang lebih spesifik. Seberapa cepat proses ini terjadi? Sejauh mana kita bisa mengharapkan proses ini berlanjut. Dan yang terakhir, kita memiliki model empiris atau semi empiris yang mekanisme dan konsepnya telah direduksi menjadi program komputer sebenarnya, dan Anda dapat menjalankan simulasi. Jadi semua alat ini tersedia untuk berbagai pertanyaan berbeda yang relevan dengan pengembangan farmasi, seperti penyerapan farmakokinetik atau stabilitas kimia atau pemodelan proses untuk berbagai proses manufaktur farmasi. Jadi kami menggunakan model mulai dari konseptual, mekanistik, hingga semi empiris. Kami menggunakan seluruh kerangka kerja ini untuk menggambarkan masalah yang kami coba selesaikan dan mengembangkan formulasi aktual untuk menyelesaikannya.

Saya punya yang sangat bagus dari pekerjaan terbaru yang melakukan keduanya. Ini membantu kami mendapatkan solusi optimal dengan lebih cepat daripada yang kami uji secara in vivo, dan hasilnya bekerja dengan sangat baik. Jadi kami mengembangkan senyawa yang penyerapan oralnya sangat, sangat buruk. Dan kami menanyakan pertanyaan pertama, mengapa? Dan kami mulai dengan model konseptual bahwa setiap molekul harus masuk ke saluran pencernaan. Ia harus larut kemudian harus berdifusi melintasi lapisan air yang tidak diaduk, melawan epitel dan kemudian berpartisi melintasi epitel untuk masuk ke dalam penyerapan sistemik. Jadi itulah model konseptual kami. Dan kami bertanya, Mengapa molekul ini kesulitan melakukan hal itu? Apa? Apa yang dimaksud dengan langkah pembatasan suku bunga fundamental? Dan kami belajar melalui serangkaian percobaan in vitro bahwa langkah yang membatasi laju adalah difusi melintasi lapisan air yang tidak diaduk, yaitu lapisan lendir. Oleh karena itu, dengan mengingat hal tersebut, kami tidak melakukannya, kami tidak mencoba setiap konsep formulasi yang dilakukan melalui pendekatan coba-coba. Mari kita coba ini. Mari kita coba ini. Mari kita coba ini. Kami berkata, Oke, kami tahu masalah utamanya adalah laju difusi. Jadi formulasi apa yang bisa kita kembangkan untuk meningkatkan laju difusi? Karena itulah langkah kuncinya. Jadi kami pergi ke laboratorium dan mengembangkan beberapa formulasi yang kami usulkan dapat membantu hal tersebut, dan kami mengujinya secara in vitro dan menunjukkan bahwa formula tersebut memang meningkatkan laju difusi. Dan kemudian kami mengambil yang terbaik dari kumpulan tersebut ke dalam penelitian in vivo. Dan yang sangat keren adalah sejauh mana. Kami meningkatkan difusi dengan formulasi tersebut, yang secara in vitro berkorelasi sangat baik dengan faktor peningkatan in vivo juga. Jadi kami melihat, kami menemukan apa masalahnya. Kami mengembangkan kerangka konseptual tentang cara mengatasinya, dan kami menguji hipotesis spesifik tersebut, dan dengan lebih cepat, lebih efisien, kami menghasilkan solusi yang bisa diterapkan.

Saya pikir saya telah mencapai banyak hal dalam hal efisiensi, efisiensi proses untuk menghasilkan formulasi yang bisa diterapkan. Saya pikir itu berarti waktu yang lebih cepat jika Anda menghabiskan banyak waktu untuk mencoba segalanya untuk menemukan satu hal yang berhasil. Kemudian Anda menghabiskan banyak sumber daya. Anda menghabiskan banyak waktu mengerjakan hal-hal yang tidak akan menjadi jawabannya. Namun jika Anda dapat menghasilkan hipotesis yang benar-benar terfokus dan mengerjakan pernyataan masalah tersebut, Anda akan mencapainya lebih cepat. Anda mencapainya dengan pengeluaran waktu, energi, dan sumber daya yang lebih sedikit dan pada akhirnya, menurut saya Anda menghasilkan produk yang lebih baik. Ini adalah hasil yang lebih optimal.

Bagaimana Kemajuan Terapeutik dan Analitik Membantu Perkembangan Pengujian Zat Narkoba

Pengujian zat obat merupakan komponen penting dalam proses analisis biofarmasi, yang disertai dengan tolok ukur keamanan dan kemanjuran yang harus dipenuhi. Dalam wawancara eksklusif dengan Teknologi Farmasi®, Joerg AhlgrimmCEO dari SK farmasimerangkum tren terkini dalam bidang ini dan bagaimana peraturan serta teknologi yang terus berkembang mendorong perusahaan untuk mencapai akurasi dan keandalan yang lebih baik bagi pasien.

Teknologi Farmasi: Apakah ada perubahan peraturan yang signifikan dalam pengujian bahan obat yang berdampak pada proses atau masalah kualitas? Jika tidak, apakah ada yang diharapkan?

Ahlgrimm (SK farmasi): Saya rasa kita melihat ada empat bidang fokus utama—mungkin ini bukan tentang perubahan; ini lebih tentang berkonsentrasi pada aspek-aspek tersebut. Jelasnya, integritas data adalah topik yang penting, dan semua lembaga di seluruh dunia terus menekankan pentingnya integritas data sepanjang siklus pengujian zat obat. Karakterisasi dan pengendalian pengotor tetap menjadi topik diskusi yang signifikan. Terdapat tren yang berfokus pada karakterisasi pengotor yang lebih menyeluruh, pengendalian yang lebih ketat, dan peningkatan penekanan pada pemahaman potensi pengotor genotoksik sambil menetapkan batasan yang sesuai. Oleh karena itu, saya yakin ini adalah area fokus utama.

Persyaratan stabilitas terus berkembang dan disempurnakan; ada kemajuan dalam ekspektasi mengenai data tersebut, sehingga memerlukan dukungan untuk data tersebut, serta dukungan untuk periode pengujian ulang dan umur simpan. Dan kemudian, penekanan yang lebih tinggi pada pemahaman proses dan strategi pengendalian. Ada dorongan yang jelas menuju pemahaman yang lebih mendalam tentang proses manufaktur dan penetapan strategi pengendalian yang kuat. Saya percaya semua ini tidak revolusioner atau menyeluruh; namun, menurut saya semua bidang ini layak untuk difokuskan. Ketika kita melihat ke depan, saya yakin kita akan melihat dengan jelas teknologi analitik canggih di masa depan. Oleh karena itu, kita dapat mengharapkan lebih banyak penekanan pada penggunaan teknologi analitik canggih seperti spektrometri massa dan spektroskopi untuk meningkatkan karakterisasi dan pemantauan waktu nyata. Mengenai pemahaman proses dan strategi pengendalian, metodologi tingkat lanjut tentu akan meningkatkan fokus di bidang tersebut. Kami dapat mengantisipasi penekanan yang lebih besar pada keberlanjutan dan teknologi ramah lingkungan secara keseluruhan, di samping fokus yang lebih kuat pada praktik manufaktur berkelanjutan—kami juga telah mulai menerapkan sertifikasi My Green Lab dalam konteks ini—bersama dengan metodologi pendekatan baru, NAMs.

Di bidang tertentu, khususnya untuk pengujian keamanan, sudah ada dorongan untuk mengurangi ketergantungan pada pengujian pada hewan. Kami telah mengamati lembaga-lembaga pemerintah menandatangani perintah terkait hal ini dan mengadopsi pendekatan baru. Meskipun hal ini lebih maju dalam pengujian produk langsung, kita mungkin melihat efek bertahap pada aspek tertentu dari pengujian zat obat dalam jangka panjang. Kita lihat saja bagaimana perkembangannya, namun kita semua harus tetap memperhatikan kemajuan tersebut.

Yang terakhir, dengan adanya pemotongan besar-besaran yang saat ini terjadi di FDA di bawah pemerintahan saat ini, ada alasan untuk khawatir mengenai bagaimana FDA melakukan pendekatan terhadap pengawasan peraturannya terhadap pengujian zat obat (dan hal-hal lain dalam hal ini). Tidak mengherankan jika FDA melambat dan/atau menjadi lebih konservatif dalam 12-18 bulan ke depan, seiring dengan penyesuaian jumlah pegawai dan dukungan di dalam badan tersebut. Para inovator sebaiknya berinteraksi dengan lembaga tersebut sedini mungkin dan terus mengikuti tren peraturan yang sedang berlangsung seiring dengan penyesuaian terhadap kondisi normal yang baru.

Apakah modalitas yang lebih baru menyebabkan perubahan dalam metode atau prosedur analisis standar sebelumnya

Kami jelas melihat peningkatan penekanan pada pengujian biologis. Metode tradisional sering kali mengandalkan karakterisasi fisikokimia, seperti HPLC (kromatografi cair kinerja tinggi) dan spektroskopi. Modalitas yang lebih baru, termasuk terapi sel, terapi gen, biologi kompleks seperti ADC (konjugat antibodi-obat) atau antibodi bispesifik, dan yang terpenting, peptida dan oligonukleotida, memerlukan fokus yang lebih besar pada pengujian biologis untuk menilai potensi, kemanjuran, dan keamanan. Bagi banyak dari mereka, pertanyaannya adalah bagaimana cara terbaik untuk mendefinisikan potensi dan bagaimana menguji kemanjuran secara berkelanjutan.

Kami juga mengamati teknik karakterisasi yang ditingkatkan. Kompleksitas dari modalitas baru ini menuntut metode analisis yang lebih canggih untuk karakterisasi yang komprehensif. Misalnya, peptida, meskipun lebih kecil dari peptida biologis penuh, memerlukan analisis yang cermat untuk konfirmasi urutan, pengotor (misalnya, zat terkait, sisa pelarut), dan kiralitas. Teknik seperti spektrometri massa sangat penting untuk verifikasi berat molekul dan urutan yang tepat, sedangkan kromatografi tingkat lanjut digunakan untuk pemisahan dan kuantifikasi pengotor kecil. Melihat oligonukleotida (seperti siRNA (RNA kecil yang mengganggu), oligos antisense, dan aptamers), ini adalah polimer sintetik kompleks yang memerlukan metode khusus untuk memverifikasi panjang, ketepatan urutan, dan adanya modifikasi (misalnya, ikatan fosforotioat, gugus 2'-O-metil). Teknik seperti elektroforesis kapiler dan pengujian hibridisasi sangat penting di sini, selain kromatografi cair dan MS dengan resolusi tinggi. Selain itu, ada penekanan pada profil pengotor yang spesifik untuk setiap modalitas.

Modalitas yang lebih baru seringkali berbeda secara signifikan dari modalitas molekul kecil. Kita sekarang perlu mempertimbangkan aspek-aspek seperti pengotor yang berhubungan dengan proses, pengotor yang berhubungan dengan vektor (untuk terapi gen), pengotor seluler, dan juga pengotor dan pemotongan sintetik yang merupakan karakteristik dari pembuatan peptida dan oligonukleotida. Selain itu, kita menyaksikan munculnya metodologi pengujian dalam proses yang cepat, yang memfasilitasi perolehan hasil pengujian secara real-time dan berpotensi memungkinkan modifikasi proses berdasarkan hasil tersebut. Untuk beberapa modalitas baru—khususnya terapi sel dan gen—dengan masa simpan yang pendek atau sifat autologus, terdapat peningkatan kebutuhan akan metode pengujian cepat yang dapat memberikan penyelesaian cepat untuk atribut kualitas penting. Kebutuhan ini sering kali diimbangi dengan pengujian yang sangat akurat dan spesifik yang diperlukan untuk oligonukleotida dan peptida guna memastikan kemurnian dan identitas sebelum pelepasan akhir.

Dan hal terakhir yang ingin saya sampaikan adalah peningkatan pengawasan dan perbandingan peraturan. Ini jelas merupakan item yang telah kami lihat ditolak oleh FDA pada pengajuannya di masa lalu. Ketika proses manufaktur untuk modalitas yang kompleks ini berubah, atau ketika kita mengalami transfer teknologi, rencana baru, dan sebagainya, menunjukkan keterbandingan menjadi semakin penting. Hal ini berlaku secara menyeluruh, mulai dari terapi sel hingga peptida sintetik dan oligonukleotida, untuk memastikan kualitas produk dan keselamatan pasien. Pengujian analitis yang ketat sangat penting, karena tidak ada seorang pun yang ingin mengulangi studi klinis untuk melakukan perubahan. Oleh karena itu, kemampuan komparatif dan bukti menjadi lebih penting.

Bagaimana kecerdasan buatan (AI) diperhitungkan saat ini dan di masa depan?

Saya sangat yakin bahwa AI, dalam jangka panjang, akan memainkan peran penting dalam merevolusi industri dan memberikan hasil yang lebih baik di semua tingkatan, baik itu hasil, ketepatan waktu, kecepatan transfer teknologi, pengurangan pekerjaan laboratorium basah yang diperlukan untuk mengembangkan suatu proses, jumlah pengujian yang pada akhirnya diperlukan untuk memastikan kualitas, atau produktivitas secara keseluruhan. Ini hanyalah beberapa hal di mana saya, atau kami sebagai perusahaan, percaya bahwa AI akan mengubah hidup kita secara signifikan. Kami saat ini berada pada tahap awal, sama seperti banyak tahap lainnya.

Prasyarat terpenting bagi AI adalah digitalisasi, dan kami masih berupaya di beberapa bidang untuk memastikan bahwa segala sesuatu yang saat ini tersedia di atas kertas diubah menjadi data sehingga AI benar-benar dapat memanfaatkannya. Menurut saya, aspek terpenting dari penerapan AI adalah masyarakat memahami manfaat kasus penggunaan spesifik untuk setiap proyek. Anda tidak boleh mengejar AI hanya untuk kepentingannya sendiri, namun sudah ada kasus penggunaan luar biasa yang dapat meningkatkan kepatuhan terhadap peraturan, meningkatkan kualitas, dan memperpendek siklus pengembangan, dan kita akan melihat lebih banyak lagi hal serupa di masa depan. AI memiliki potensi untuk mempercepat karakterisasi proses secara signifikan dengan mengidentifikasi pola kompleks di seluruh kumpulan data besar yang seringkali terlalu berbeda untuk metode statistik tradisional. Untuk terapi sel dan gen, yang variabilitasnya tinggi dan ukuran sampelnya kecil, pembelajaran mesin dapat mengoptimalkan parameter seperti efisiensi transfeksi, hasil vektor, atau kondisi ekspansi sel dengan mengkorelasikan variabel masukan dengan atribut kualitas penting. Pada akhirnya, hal ini memungkinkan pengembang untuk menyempurnakan proses dengan lebih efisien dan lebih percaya diri, mengurangi jadwal pengembangan dan meningkatkan konsistensi produk.

Jadi ya, penggunaan AI akan terus meningkat. Hal ini masih dalam tahap awal dan tidak diragukan lagi akan mendorong adaptasi dan revolusi dalam industri di masa depan.

Dengan perubahan kebijakan tarif di Amerika Serikat, apakah ada hambatan antar negara yang harus diatasi untuk memastikan pengujian yang akurat dan adil?

Saya rasa pengujian tersebut tidak akan berdampak pada situasi tarif… Saat ini, (kami) selalu berasumsi bahwa sampel pengiriman akan dibebaskan dari tarif apa pun. Tapi sekali lagi, situasinya berubah-ubah, jadi Anda tidak pernah tahu. Namun anggap saja tidak ada dampak pada pengujian dan eksekusi analitis, jika Anda mau. Dampaknya pada akhirnya adalah biaya pengujian. Artinya, jika bahan tertentu yang digunakan untuk pengujian tertentu berasal dari wilayah tertentu yang kini memiliki tarif, tentu saja biaya pengujian akan menjadi lebih mahal. Saya tidak yakin seberapa besar peran hal ini dalam gambaran yang lebih besar.

Saya pikir dampak tarif terhadap bahan mentah untuk proses manufaktur itu sendiri mungkin jauh lebih besar, dan ini jelas merupakan area yang kami sebagai perusahaan perhatikan. Kami juga mencari tahu, apa dampaknya terhadap perilaku pelanggan kami? Dan seberapa besar mereka akhirnya mengubah strategi pasokannya? Dan bagaimana kita, sebagai penyedia layanan yang saat ini memiliki kemampuan dan kapasitas di tiga benua utama (Amerika, Eropa, dan Asia), bagaimana kita terus membangun jaringan tersebut untuk memenuhi kebutuhan yang terus berubah? Jadi begitulah jelas bagaimana kita melihatnya. Kecepatan perubahan tersebut memperburuk kompleksitas implementasi kebijakan dan tindakan mitigasinya, dan kami melihat dengan jelas beberapa dampak jangka panjang. Kami melihat peningkatan biaya material dan API. Kami melihat potensi penundaan dan gangguan dalam produksi. Kami melihat potensi kendala sumber daya manusia seiring dengan perpindahan sektor manufaktur ke wilayah-wilayah yang akhir-akhir ini tidak memiliki banyak sektor manufaktur. Kita pasti akan melihat pergeseran ke arah manufaktur domestik atau regional. Tekanan harga dari pelanggan, potensi pembalasan dari negara lain… Maksud saya, menurut saya dampaknya beragam, dan sebagai perusahaan, kami akan mengawasinya, dan kami akan melakukan apa yang kami bisa, tentu saja dalam batas tertentu, untuk memastikan bahwa kami memitigasi masalah tersebut.

Apa lagi yang Anda lihat berpotensi berdampak pada pengujian zat narkoba di masa depan?

Menurut saya, yang paling penting saat ini dari sudut pandang saya adalah kita telah melihat, selama setahun terakhir, perubahan signifikan dalam dinamika pasar terapi lanjutan. Dan hasil dari banyak perubahan tersebut saat ini, dari apa yang dapat kita lihat, adalah bahwa perusahaan-perusahaan telah berfokus pada aset-aset yang secara ilmiah lebih menjanjikan. Kami juga telah melihat kemajuan yang signifikan, misalnya dalam kemampuan analitis, kemampuan untuk menemukan metrik potensi yang disetujui oleh pihak berwenang. Banyak dari kemajuan tersebut membuat kita merasa yakin, bahwa kita akan melihat lebih banyak tingkat keberhasilan klinis di masa depan untuk terapi tingkat lanjut. Dan secara keseluruhan, meskipun kita memiliki lebih sedikit aset dalam pengembangan aktif secara global, kemungkinan besar kita melihat lebih banyak aset yang berhasil mendapatkan lisensi dan sukses secara komersial, karena perusahaan terpaksa melalui proses yang sangat ketat untuk menilai portofolio mereka agar dapat dipasarkan di masa depan dan untuk kemajuan ilmu pengetahuan. Dan saya pikir hal ini telah terjadi, terus terjadi sampai batas tertentu, dan kita akan melihat hal ini mengarah pada peningkatan gelombang terapi lanjutan berikutnya.

Di AAPS PharmSci 360, Solusi untuk Tantangan dalam Pengembangan Dispersi Padat Amorf

Pada AAPS PharmSci 360 2025, yang diadakan pada 9-12 November di San Antonio, Texas, Corey Bloom, PhD, direktur asosiasi, CMC (kimia, manufaktur, dan kontrol) dan Peningkatan Bioavailabilitas di Londonmemberikan presentasi bertajuk “Perkembangan Dispersi Padat Amorf untuk Senyawa Mudah Hingga Menantang”.

Di sini, Bloom menjawab beberapa pertanyaan tentang poin-poin penting dalam ceramahnya di konferensi tersebut.

klik disini untuk semua cakupan AAPS kami.

Seberapa pentingkah pemilihan teknologi penghantaran obat yang tepat untuk mengatasi senyawa dengan kelarutan rendah?

Saat ini, senyawa dengan kelarutan rendah atau bioavailabilitas rendah menjadi hal yang lumrah, karena sekitar 90% senyawa praklinis kini diperkirakan memiliki tantangan bioavailabilitas. Hal ini disebabkan oleh semakin banyaknya entitas kimia baru dengan kebutuhan kompleks yang memasuki jalur pengembangan obat.

Kelarutan yang rendah pada tahap awal pengembangan obat menciptakan tantangan yang signifikan bagi perusahaan biofarmasi kecil dan baru. Oleh karena itu, sangat penting untuk memilih formulasi dan strategi proses yang tepat sejak dini untuk memaksimalkan peluang suatu senyawa untuk maju melalui uji klinis dan mencapai keberhasilan produksi komersial. Formulasi dan proses yang optimal dapat menyederhanakan pengembangan, sementara pendekatan yang kurang efektif dapat mengakibatkan jangka waktu pengembangan yang lebih lama dan rumit, atau bahkan kegagalan yang tidak perlu.

Pendekatan formulasi dan pengembangan proses apa yang Anda rekomendasikan?

Pemilihan teknologi yang tepat dan cermat untuk meningkatkan bioavailabilitas sangat penting dalam program pengembangan mulai dari tahap praklinis awal hingga komersialisasi. Proses seleksi teknologi berbasis ilmu pengetahuan disajikan, berdasarkan serangkaian masukan termasuk profil produk target, sifat obat, pengalaman proyek yang luas di masa lalu, peta teknologi, dan pemodelan penyerapan.

Untuk memulai, kami memanfaatkan dalam-silico alat untuk memprediksi bagaimana sifat senyawa tertentu diharapkan berdampak pada kinerja dan dengan demikian memberikan pengukuran sifat fisikokimia obat utama untuk memandu pemilihan teknologi. Kami kemudian meninjau profil produk target untuk menentukan tujuannya, termasuk dosis, profil farmakokinetik, dan gambar.

Kami kemudian menggunakan alat biomodeling untuk membantu menentukan pernyataan masalah dan mengevaluasi kelarutan, laju disolusi, dan permeabilitas. Salah satu pendekatannya adalah memanfaatkan model farmakokinetik berbasis fisiologis untuk mengevaluasi hipotesis tentang hambatan penyerapan, baik itu laju disolusi, kelarutan, dan/atau permeabilitas. Seorang perumus dapat menggunakan pemodelan serapan untuk memahami yang ada secara in-vivo data untuk perumusan kepentingan atau menetapkan kerangka untuk memprediksi secara in-vivo kinerja dengan yang ada in-vitro data. Model ini juga berguna untuk memprediksi atribut formulasi spesifik dari formulasi yang diaktifkan (misalnya, dispersi padat amorf, formulasi berbasis lipid) seperti bagaimana spesies obat tertentu dapat berkontribusi terhadap penyerapan.

Melalui proses ini, kami dapat berkolaborasi dengan pengembang obat untuk memilih pendekatan formulasi tingkat tinggi yang paling tepat dan mengoptimalkan formulasinya in-vitro pengujian dan secara in-vivo konfirmasi.

Mengapa dispersi padat amorf memiliki penerapan yang begitu luas?

Dispersi padat amorf (ASDs) dapat memberikan kinerja dan stabilitas optimal untuk senyawa dengan rentang sifat yang cukup luas, termasuk lipofilisitas, titik leleh, dan pKa. Dengan membebaskan API dari kisi kristal dan memasukkan eksipien yang meningkatkan konsentrasi, ASD dapat meningkatkan kelarutan obat hingga 10 kali lipat dibandingkan API kristal. Perbaikan ini memfasilitasi pembubaran dalam cairan gastrointestinal (GI) dan mengoptimalkan jumlah obat yang memasuki aliran darah. Peningkatan bioavailabilitas oral ini berpotensi meningkatkan outcome pasien dengan mengurangi variasi paparan plasma, menurunkan dosis yang diperlukan, dan memitigasi dampak asupan makanan dan kondisi sistem GI pada populasi pasien tertentu.

Meningkatkan bioavailabilitas melalui ASD dapat dicapai melalui ekstrusi lelehan panas (HME) atau pengeringan semprot. Sifat API produk obat dan tahap pengembangannya merupakan faktor penting untuk dipertimbangkan ketika memutuskan teknik mana yang akan digunakan. HME menawarkan keunggulan pemahaman proses yang matang, jejak proses yang kecil, pengoperasian yang berkelanjutan, dan skalabilitas yang siap pakai. Atribut-atribut ini dapat meningkatkan fleksibilitas operasi unit, sehingga menghasilkan biaya produksi yang relatif lebih rendah dan rangkaian proses komersial yang lebih menarik. HME juga merupakan unit operasi bebas pelarut yang dapat menghilangkan kekhawatiran tentang pengotor pelarut sekaligus memungkinkan keberlanjutan.

Teknik lainnya adalah dispersi pengeringan semprot. Metode ini cocok untuk jenis API dan polimer dispersi yang lebih luas karena API dan eksipien dilarutkan dalam pelarut organik yang mudah menguap. Selain itu, pengeringan semprot tidak memerlukan peleburan API agar API terkena panas berlebihan selama produksi dispersi amorf. Hal ini juga dapat diperkecil, sehingga memungkinkan penyaringan formulasi dengan jumlah API yang lebih kecil.

Untuk senyawa yang menantang, apa sajakah praktik terbaik untuk proses dispersi kering semprot?

Senyawa penantang memiliki kelarutan rendah dalam pelarut mudah menguap yang disukai, dan/atau kecenderungan mengkristal selama pembuatan. Untuk senyawa-senyawa ini, penting untuk mengembangkan peta jalan produksi praklinis hingga tahap akhir dan komersial untuk meningkatkan bioavailabilitas. Hal ini termasuk memulai dengan profil produk target sebelum mengembangkan formulasi dalam pendekatan fase yang sesuai agar sesuai dengan fase pengembangan kandidat obat. Produsen obat dapat memanfaatkan rangkaian lengkap pengering semprot, berdasarkan skala yang diperlukan dan kebutuhan proses, untuk mendukung penilaian kelayakan melalui studi klinis dan komersialisasi.

Ada juga beberapa faktor yang perlu dipertimbangkan selama proses berlangsung. Perbaikan proses khusus termasuk perubahan suhu atau bantuan pemrosesan dapat memungkinkan pembuatan senyawa yang sulit. Lebih lanjut, ilmu skala untuk mengevaluasi variabel proses utama di awal pengembangan dan menerjemahkannya ke dalam pengembangan skala penuh dapat membantu menghemat waktu, uang, dan penggunaan API dari pendekatan coba-coba.

Bagaimana metode ini dapat membantu menghemat waktu dan bahan?

Selama tahap awal pengembangan obat, fokus utama adalah mencapai kinerja optimal dan memindahkan obat ke uji klinis secepat mungkin. Seiring kemajuan obat melalui uji klinis dan mendekati komersialisasi, pertimbangan seperti biaya, efisiensi produksi, dan keberlanjutan menjadi semakin penting.

Bermitra dengan organisasi pengembangan dan manufaktur kontrak yang menawarkan berbagai teknik formulasi dan pengalaman luas dalam peningkatan skala serta potensi kendala teknis dan logistik sangat penting untuk memilih strategi pengembangan terbaik. Kolaborasi ini membantu memastikan bahwa formulasi yang efektif dan stabil telah ditetapkan sejak dini, sehingga mengurangi risiko penundaan yang mahal dan kebutuhan akan reformulasi di kemudian hari dalam proses klinis.

Mengapa Teknisi Gagal dalam Ujian PTCB & Cara Menghindari Jebakan.

Kegagalan Ujian PTCB dalam Perspektif.

Lulus ujian PTCB merupakan sebuah tonggak sejarah yang membuka pintu terhadap peluang kerja baru, gaji yang lebih tinggi, dan landasan profesional yang lebih kuat.

Namun meskipun ujiannya dapat dilewati dengan persiapan yang tepat, banyak teknisi yang gagal pada percobaan pertama mereka. Menurut PTCB.org, terdapat 46.725 ujian PTCB yang diselenggarakan pada tahun 2024, dengan sekitar 70% teknisi lulus ujian.

Itu berarti hampir sepertiga teknisi gagal dalam ujian.

Alasannya bukan karena kurangnya usaha, pengetahuan, kecerdasan atau bakat. Sebaliknya, itu adalah pola, kesalahan yang dapat diprediksi, dan kesalahan langkah yang dapat dihindari.

Dalam panduan ini, kami menguraikan tiga kendala terbesar yang menyebabkan teknisi farmasi gagal dalam PTCB — dan, yang lebih penting, bagaimana cara menghindarinya.

Jebakan #1: Tidak Belajar Sesuai Blueprint PTCB Terbaru.

Salah satu kesalahan paling umum – dan mahal – yang dilakukan teknisi adalah mempelajari materi yang “salah”. Bukan karena mereka kurang belajar; itu karena mereka tidak mempelajari hal yang benar.

Banyak teknisi:

  • Andalkan panduan belajar yang sudah ketinggalan zaman
  • Menghabiskan terlalu banyak waktu untuk menghafal setiap nama obat yang mereka temukan
  • Gunakan video YouTube acak atau ringkasan TikTok
  • Tinjau soal latihan yang tidak sesuai dengan tingkat kesulitan atau format PTCB

Meskipun sumber daya ini dapat membantu, sumber daya ini sering kali berfokus pada konten yang belum diuji secara mendalam, atau lebih buruk lagi, tidak relevan lagi. Ujian PTCB terus berkembang — terutama dengan adanya teknologi baru, pedoman yang diperbarui, dan pergeseran tanggung jawab praktik farmasi. Sebuah silabus PTCB yang diperbarui akan berlaku efektif mulai Januari 2026, misalnya.

Cetak biru ujian PTCB saat ini dibagi menjadi empat domain:

  • Obat-obatan
  • Persyaratan Federal
  • Keamanan Pasien dan Jaminan Mutu
  • Entri dan Pemrosesan Pesanan

Namun ada hal yang terlewatkan oleh banyak siswa: ujian ini menekankan keterampilan dan skenario, bukan sekadar hafalan mentah.

Misalnya:

  • Daripada meminta Anda mengingat semua ACE inhibitor, ujian mungkin meminta Anda mengidentifikasi ACE inhibitor dari empat kemungkinan jawaban. Mengetahui sufiks golongan obat sudah cukup untuk menjawab pertanyaan-pertanyaan ini.
  • Daripada menghafal 100 kode Sig, Anda mungkin diuji untuk mengidentifikasi instruksi yang tidak aman atau mengidentifikasi desimal mana yang harus diklarifikasi.

Buat rencana studi Anda dengan meninjau cetak biru PTCB resmi dan terkini. Segala sesuatu yang Anda pelajari harus terkait dengan domain tersebut. Gunakan materi pelajaran terkini yang mencerminkan struktur ujian 2026 – 2027.

Fokus pada tugas praktik farmasi yang nyata, bukan fakta yang tidak jelas. Ini termasuk:

  • Mengidentifikasi kelas obat dan kegunaan umum mereka.
  • Mengenali risiko keamanan pengobatan yang umum.
  • Memahami alur kerja (mulai dari penerimaan resep hingga pengeluaran).
  • Mengetahui dasar-dasar hukum federal dan persyaratan zat yang dikendalikan.
  • Melakukan matematika farmasi tanpa kalkulator.

Jika sumber daya Anda tidak mencerminkan prioritas ini, skor Anda akan menunjukkan hal tersebut.

Kesalahan #2: Yayasan Matematika Farmasi yang Lemah.

Ketika teknisi farmasi gagal dalam ujian PTCB, satu topik biasanya menjadi penentu antara lulus dan gagal dalam ujian: matematika farmasi. Matematika merupakan bagian penting dari ujian dan memiliki dampak yang tidak proporsional terhadap nilai Anda karena:

  • Soal matematika biasanya membutuhkan waktu lebih lama untuk diselesaikan.
  • Seringkali mereka hanya mempunyai satu jawaban yang jelas benar.
  • Mereka sering kali diberi beban lebih berat.
  • Soal matematika seringkali mengungkap kesenjangan pemahaman dengan cepat.

Seorang teknisi yang menjawab 80% soal matematika dengan salah memiliki peluang yang kecil untuk lulus — bahkan jika mereka unggul dalam topik lain. Matematika farmasi menantang karena beberapa alasan:

  • Banyak teknisi yang tidak berlatih matematika selama bertahun-tahun.
  • Kecemasan menghadapi ujian meningkat dalam perhitungan multi-langkah yang berjangka waktu.
  • Beberapa teknisi terlalu bergantung pada kalkulator atau aplikasi saat belajar.
  • Beberapa teknisi menghafal rumus alih-alih mempelajari metode dibalik rumus tersebut.

Namun ada langkah nyata yang dapat Anda lakukan untuk memitigasi risiko tersebut, antara lain:

  • Mengerjakan matematika secara langkah demi langkah. Jangan pernah melakukan lebih dari satu langkah dalam satu waktu.
  • Berlatih matematika PTCB setiap hari, bahkan selama 10-15 menit.
  • Kerjakan akurasi sebelum kecepatan. Selalu periksa ulang satuan – dan hindari detail dalam pertanyaan yang tidak relevan untuk menemukan jawaban yang benar.
  • Catat setiap kesalahan yang Anda buat. Tinjau dan latih jenis pertanyaan yang sama untuk menghilangkan kesalahan ini seiring waktu.
  • Latihlah pertanyaan matematika sebanyak mungkin menjelang ujian. Semakin banyak latihan yang Anda lakukan, semakin banyak Anda dapat menutup kesenjangan pengetahuan yang mungkin Anda miliki.

Dengan mengambil tindakan, Anda perlahan tapi pasti dapat mengembangkan dan mengasah kemampuan matematika Anda seiring berjalannya waktu.

Jebakan #3: Salah Mengelola Kecemasan Ujian dan Kondisi Hari Ujian.

Bahkan teknisi yang sudah terlatih sekalipun terkadang gagal dalam ujian bukan karena pengetahuan kontennya, namun karena tekanan ujian, masalah waktu, atau kelelahan mental. Bagaimanapun, ujian PTCB memiliki risiko yang tinggi. Skor kelulusan dapat berarti:

  • Dipekerjakan
  • Mendapatkan gaji yang lebih tinggi
  • Pindah dari peserta pelatihan ke teknisi bersertifikat
  • Memenuhi syarat untuk peran rumah sakit
  • Meningkatkan keamanan karir

Hal ini saja dapat memberikan banyak tekanan kepada teknisi, sehingga menimbulkan kecemasan dan stres yang menyebabkan:

  • Peningkatan detak jantung
  • Pengurangan memori kerja
  • Pengambilan keputusan lebih lambat atau buruk
  • Pertanyaan sederhana tiba-tiba terasa rumit
  • Peningkatan dugaan kedua

Banyak teknisi yang keluar dari ujian karena mengetahui isinya, tetapi merasa pikiran mereka “kabur”. Mengingat ujian PTCB memiliki waktu yang ketat, teknisi sering kali:

  • Menghabiskan terlalu banyak waktu untuk pertanyaan-pertanyaan sulit
  • Tergesa-gesa melewati hal-hal yang lebih mudah, sering kali membuat kesalahan yang bisa dihindari
  • Gagal menandai pertanyaan untuk ditinjau
  • Sering kali terlalu memikirkan soal matematika sederhana
  • Panik ketika jam terus berjalan
  • Pertanyaan salah dibaca, kata kunci seperti “tidak”, “kecuali”, dan “pertama” hilang
  • Membingungkan obat yang terdengar mirip atau mirip

Satu kesalahan manajemen waktu dapat menjadi semakin besar seiring berjalannya waktu, sehingga menciptakan kondisi kegagalan ujian. Namun, kesalahan ini dapat dihindari dengan kebiasaan yang benar pada hari ujian:

  • Ikuti ujian praktik simulasi. Gunakan ujian praktik jangka panjang dan berjangka waktu yang meniru kondisi sebenarnya (catatan: jika Anda adalah anggota kursus online kami, Anda akan memiliki akses ke 4 ujian tersebut).
  • Ikuti aturan 60 detik. Jika Anda tidak dapat menjawab pertanyaan dalam satu menit, tandai dan lanjutkan.
  • Susun ulang pertanyaan-pertanyaan sulit secara psikologis. Pertanyaan yang menantang biasanya tidak berarti Anda gagal — itu berarti Anda mengalami kemajuan secara normal melalui berbagai tingkat kesulitan.
  • Jangan mengubah jawaban kecuali Anda menemukan kesalahan yang jelas. Insting pertama Anda biasanya benar.
  • Gunakan pola pernapasan untuk mengatur ulang fokus Anda. Teknik seperti box breath 4 detik mampu menstabilkan adrenalin dengan cepat.

Persiapkan rutinitas hari ujian Anda sebelumnya. Ini termasuk:

  • Tidur yang cukup
  • Hidrasi
  • Makanan ringan
  • Tiba lebih awal, tapi tidak juga lebih awal
  • Mengenakan pakaian yang nyaman
  • Menghindari menjejalkan di menit-menit terakhir. Hal ini seringkali menimbulkan kebingungan.
  • Percayai persiapan dan insting Anda. Kepercayaan diri adalah sebuah keterampilan, dan dapat dipraktikkan seperti halnya matematika.

Pikiran Terakhir.

Kebanyakan teknisi farmasi gagal dalam PTCB bukan karena isinya terlalu sulit, namun karena mereka jatuh ke dalam perangkap yang dapat diprediksi:

  • Belajar secara luas, bukan secara strategis.
  • Menghindari atau salah mempelajari matematika farmasi.
  • Membiarkan stres ujian mendominasi kinerja hari ujian.

Jebakan ini nyata, namun dapat dihindari.

Jika Anda belajar sesuai dengan cetak biru PTCB, memperkuat keterampilan matematika Anda menggunakan satu metode yang dapat diandalkan, dan melatih diri Anda untuk menghadapi kondisi hari ujian, Anda menempatkan diri Anda pada posisi terbaik untuk lulus ujian pada upaya pertama Anda.

Singkatnya:

  • Upaya yang konsisten mengalahkan kerja keras.
  • Perencanaan yang cerdas mengalahkan hafalan.
  • Keyakinan mengalahkan kepanikan.

Dengan secara aktif mengambil langkah nyata dalam beberapa minggu dan bulan menjelang ujian PTCB, Anda dapat menciptakan kondisi yang menghindari jebakan ini dan memaksimalkan hasil tes Anda.

Apakah panduan hari ini bermanfaat tentang mengapa teknisi gagal dalam ujian PTCB? Akses kursus online kami hari ini untuk bergabung dengan 94% teknisi yang telah lulus ujian dengan bantuan kami. Dapatkan akses instan ke dasbor pembelajaran pribadi lengkap Anda hari ini.

Kegagalan Terus-menerus di Inggris dalam Mengkomersialkan Penelitian dan Pengembangan Mengancam Ilmu Hayati: Laporan

Laporan dari Komite Sains dan Teknologi House of Lords Inggris, berjudul “Pendarahan hingga Kematian: Darurat Pertumbuhan Sains dan Teknologi,” menyoroti tantangan signifikan yang mengancam posisi Inggris dalam lanskap ilmu pengetahuan global, khususnya dalam sektor ilmu hayati (1). Meskipun Inggris mempertahankan basis penelitian dan pengembangan yang kompetitif secara global, namun kurang efektif dalam mengkomersialkan penelitian dan pengembangan, yang menyebabkan kegagalan terus-menerus bagi perusahaan-perusahaan tahap awal yang menjanjikan untuk meningkatkan skala dan tetap berada di dalam negeri, menurut laporan tersebut.

Kondisi sektor ilmu hayati saat ini disajikan sebagai gambaran dari “kurangnya pemikiran jangka panjang dan koordinasi dalam kebijakan pemerintah,” menurut analisis yang dilakukan oleh Resilience, Pusat Keunggulan Manufaktur Obat-obatan Inggris (2).

Situasi ini telah memicu hal-hal negatif yang besar dalam industri farmasi, dengan para pemimpin utama menyatakan bahwa perusahaan-perusahaan farmasi besar memberi isyarat bahwa mereka akan “keluar” dan mengurangi investasi (1,2). Urgensi untuk mengatasi isu-isu ini ditegaskan oleh kejadian-kejadian baru-baru ini, termasuk pembatalan pusat penelitian Inggris senilai £1 miliar (US$1,3 miliar) yang dilakukan oleh Merck, dengan menyebut Inggris “tidak kompetitif secara internasional,” dan rumor bahwa AstraZeneca meningkatkan pencatatan sahamnya di Amerika Serikat (2). Jika Inggris kehilangan keahlian ilmu hayat dan perusahaan farmasi besar, maka akan terdapat konsekuensi besar terhadap penemuan, pengembangan, dan produksi obat di seluruh dunia, yang beberapa di antaranya akan dibahas dalam pertanyaan-pertanyaan berikut.

Apa implikasi lain yang disarankan oleh laporan ini?

Selain pentingnya kebijakan terkoordinasi dan reformasi keuangan, para ahli menekankan bahwa mengatasi kemerosotan Inggris memerlukan investasi mendasar pada sumber daya manusia yang berbakat (2). Persyaratan pelatihan tenaga kerja yang berkelanjutan ini sangat penting untuk memungkinkan peningkatan produktivitas teknologi dan memastikan sektor ilmu hayat dapat memenuhi kebutuhannya di masa depan.

Mengapa perusahaan kesulitan untuk meningkatkan skalanya?

Perusahaan-perusahaan ilmu pengetahuan dan teknologi, termasuk yang bergerak di bidang ilmu hayati, mengalami kesulitan yang signifikan untuk mendapatkan peningkatan pendanaan di dalam negeri setelah mereka melampaui pendanaan Seri A. Hal ini sering kali menyebabkan perusahaan-perusahaan yang didukung oleh ventura mencari pendanaan dari luar negeri, terutama Amerika Serikat, yang memiliki kumpulan modal yang lebih besar, atau mengakibatkan akuisisi oleh pembeli di luar negeri (1).

Bagaimana kesenjangan keterampilan dapat ditutup?

Investasi dalam menarik, melibatkan, dan melatih generasi masa depan dipandang penting, karena keterampilan dianggap sebagai mesin pertumbuhan yang mendorong perusahaan untuk berinvestasi dan berinovasi. Inisiatif seperti Resilience menggunakan teknologi realitas virtual canggih untuk memberikan pelatihan, yang membantu meningkatkan produktivitas, memberikan keterampilan praktis, dan mendukung tujuan keberlanjutan dengan mengurangi limbah laboratorium dan bahan habis pakai yang mahal (2).

Referensi

1. Dewan Bangsawan, Pendarahan Sampai Mati: Darurat Pertumbuhan Ilmu Pengetahuan dan Teknologi; Laporan Sidang ke-2; Parlemen Inggris, November 2025.
2. Ketahanan—Pusat Keunggulan Keterampilan Manufaktur Obat Inggris. Laporan House of Lords Mengatakan Pemerintah Kurang Berpikir Jangka Panjang dalam Ilmu Hayati, Namun Akademisi Terkemuka Mengatakan Permasalahannya Semakin Mendalam. Siaran Pers. 14 November 2025.